大模型助力学术图谱挖掘！OAG-Challenge @ KDD Cup 2024正式开始

最新推荐文章于 2024-04-12 22:46:52 发布

学术头条

最新推荐文章于 2024-04-12 22:46:52 发布

阅读量612

点赞数 4

文章标签：人工智能深度学习机器学习语言模型 chatgpt

本文链接：https://blog.csdn.net/AMiner2006/article/details/137150416

版权

本文介绍了清华大学、智谱AI和Biendata合作推出的OAG-Challenge，这是KDDCup2024中的学术知识图谱挖掘竞赛，包含同名消歧、学术问答和论文源头追溯三个任务，旨在推动学术图谱研究发展，使用大模型和API，奖金丰厚。

摘要由CSDN通过智能技术生成

如何用大模型推动学术知识图谱挖掘任务？OAG-Challenge @ KDD Cup 2024 邀你来赛！

竞赛网址：https://www.biendata.xyz/kdd2024/

竞赛背景

自 1997 年创办以来，知识发现和数据挖掘会议 ACM SIGKDD 上举办的 KDD Cup 被誉为全球最具影响力和最受欢迎的数据挖掘竞赛之一。KDD Cup 的主题覆盖了众多领域，包括社交网络、大气科学、城市计算、电子商务等。参赛者需要运用数据挖掘和机器学习技术，从大规模数据中发掘规律和模式，以寻找有效的解决方案。

KDD Cup 预计将持续约 3 个月，获奖者将在 KDD 会议开幕式上接受颁奖，并在会议期间的 KDD Cup Workshop 上展示他们的解决方案。

赛题背景

学术数据挖掘的最终目标是加深我们对科学的发展、本质和趋势的理解，从而发掘科学、技术和教育的巨大价值和潜能。例如，从学术数据中进行深度挖掘可以协助政府制定科学政策，支持公司人才发现，并帮助研究人员更高效并有效地获取新知识。

学术数据挖掘包含很多以学术实体为中心的应用，比如论文检索、专家发现和期刊推荐等。然而，学术知识图谱挖掘相关的数据基准的缺乏严重限制了该领域的发展。

在 KDD Cup 2024，清华大学、智谱AI 联合 Biendata 推出 Open Academic Graph Challenge (OAG-Challenge)，这是一个由三个现实而具有挑战性的学术任务组成的赛题，旨在推进学术知识图谱挖掘领域的发展。

赛题介绍

OAG-Challenge 目前包括三个任务，旨在评估学术图谱挖掘的不同侧面，试图涵盖学术图谱挖掘领域的代表性任务。首先，我们确定了学术图谱构建过程中有价值且具有挑战性的任务，例如作者姓名消歧（Author Name Disambiguation, AND）。其次，基于构建的学术知识图谱，学术应用关注用户的知识获取和知识之间的认知关联，例如学术问答（Academic Question Answering, AQA）和论文源头追溯（Paper Source Tracing, PST）。